SLAM（同步定位與地圖構建），是指運動物體根據傳感器的信息，一邊計算自身位置，一邊構建環境地圖的過程，解決機器人等在未知環境下運動時的定位與地圖構建問題。目前，SLAM 的主要應用于機器人、無人機、無人駕駛、AR、VR 等領域。其用途包括傳感器自身的定位，以及后續的路徑規劃、運動性能、場景理解。

由于傳感器種類和安裝方式的不同，SLAM 的實現方式和難度會有一定的差異。按傳感器來分，SLAM 主要分為激光 SLAM 和 VSLAM 兩大類。其中，激光 SLAM 比 VSLAM 起步早，在理論、技術和產品落地上都相對成熟。基于視覺的 SLAM 方案目前主要有兩種實現路徑，一種是基于 RGBD 的深度攝像機，比如 Kinect；還有一種就是基于單目、雙目或者魚眼攝像頭的。VSLAM 目前尚處于進一步研發和應用場景拓展、產品逐漸落地階段。

激光 SLAM：早在 2005 年的時候，激光 SLAM 就已經被研究的比較透徹，框架也已初步確定。激光 SLAM，是目前最穩定、最主流的定位導航方法。

激光 SLAM 地圖構建

VSLAM（基于視覺的定位與建圖）：隨著計算機視覺的迅速發展，視覺 SLAM 因為信息量大，適用范圍廣等優點受到廣泛關注。

（1）基于深度攝像機的 Vslam，跟激光 SLAM 類似，通過收集到的點云數據，能直接計算障礙物距離；

（2）基于單目、魚眼相機的 VSLAM 方案，利用多幀圖像來估計自身的位姿變化，再通過累計位姿變化來計算距離物體的距離，并進行定位與地圖構建；

視覺 SLAM 地圖構建，圖片來源：百度 AI

一直以來，不管是產業界還是學術界，對激光 SLAM 和 VSLAM 到底誰更勝一籌，誰是未來的主流趨勢這一問題，都有自己的看法和見解。下面就簡單從幾個方面對比了一下激光 SLAM 和 VSLAM。

成本

不管是 Sick，北洋，還是 Velodyne，價格從幾萬到幾十萬不等，成本相對來說比較高，但目前國內也有低成本激光雷達（RPLIDAR）解決方案。VSLAM 主要是通過攝像頭來采集數據信息，跟激光雷達一對比，攝像頭的成本顯然要低很多。但激光雷達能更高精度的測出障礙點的角度和距離，方便定位導航。

應用場景

從應用場景來說，VSLAM 的應用場景要豐富很多。VSLAM 在室內外環境下均能開展工作，但是對光的依賴程度高，在暗處或者一些無紋理區域是無法進行工作的。而激光 SLAM 目前主要被應用在室內，用來進行地圖構建和導航工作。

地圖精度

激光 SLAM 在構建地圖的時候，精度較高；VSLAM，比如常見的，大家也用的非常多的深度攝像機 Kinect，（測距范圍在 3-12m 之間），地圖構建精度約 3cm；所以激光 SLAM 構建的地圖精度一般來說比 VSLAM 高，且能直接用于定位導航。

易用性

激光 SLAM 和基于深度相機的 VSLAM 均是通過直接獲取環境中的點云數據，根據生成的點云數據，測算哪里有障礙物以及障礙物的距離。但是基于單目、雙目、魚眼攝像機的 VSLAM 方案，則不能直接獲得環境中的點云，而是形成灰色或彩色圖像，需要通過不斷移動自身的位置，通過提取、匹配特征點，利用三角測距的方法測算出障礙物的距離。

安裝方式

雷達最先開始應用于軍事行業，后來逐漸民用。被大家廣泛知曉最先應該是從谷歌的無人車上所知道的。當時 Velodyne 雷達體積、重量都較大，應用到一些實際場景中顯然不適合。比如無人機、AR、VR 這種，本身體積就很小，再搭載大體積的激光雷達的話，根本無法使用，也影響美感和性能。所以 VSLAM 的出現，利用攝像頭測距，彌補了激光雷達的這一缺點，安裝方式可以隨著場景的不同實現多元化。

其他

除了上面幾點之外，在探測范圍、運算強度、實時數據生成、地圖累計誤差等方面，激光 SLAM 和視覺 SLAM 也會存在一定的差距。

比如：

注：左為 Lidar SLAM，右為 VSLAM，數據來源：KITTI

可以明顯看出，對于同一個場景，VSLAM 在后半程中出現了偏差，這是因為累積誤差所引起的，所以 VSLAM 要進行回環檢驗。

激光 SLAM 是目前比較成熟的定位導航方案，視覺 SLAM 是未來研究的一個主流方向。所以，未來，多傳感器的融合是一種必然的趨勢。取長補短，優勢結合，為市場打造出真正好用的、易用的 SLAM 方案。